Alibaba promete trabajo profesional más barato, no el modelo más inteligente
Alibaba afirma que su nuevo modelo Qwen4-Max reduce el costo medio de completar una tarea profesional de US$4,43 a US$1,67, un 62% menos que su predecesor, Qwen3.8-Max. Para un founder que revisa la factura de API cada mes, ese es el número que importa. También es el número que hay que leer con cuidado: sale de Work360, un benchmark propio de la compañía, no de una medición independiente.
El modelo, presentado por Alibaba Cloud el 16 de noviembre, acepta texto, imágenes y video, se conecta con software externo y admite hasta un millón de tokens de contexto. La promesa no es liderar el ranking de inteligencia, sino que el mismo trabajo cueste menos.
¿De dónde sale la reducción de costos del 62%?
Work360 organiza el trabajo profesional en 26 dominios, 182 subdominios y 721 campos especializados, según la documentación de Qwen. En esa prueba, Qwen4-Max sube de 47,74 a 52,69 puntos (un 10,4% relativo) mientras consume menos tokens: alrededor de 24% menos en el modo de razonamiento Xhigh y 35% menos en High. En Terminal-Bench 4.0, la caída de tokens llega al 48% y 49%.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →Conviene separar dos cosas que suelen mezclarse. El 62% de ahorro viene de Work360 y combina menos tokens con precios más bajos. El ~50% de reducción de tokens viene de la prueba de terminal. Ninguno de los dos es una tasa universal aplicable a tu workload.
Hay una señal independiente: Artificial Analysis calcula US$3,27 por tarea del Intelligence Index para Qwen4-Max, frente a US$3,68 de Kimi K3.1 Pro, unos 11% menos. Según The Decoder, el predecesor Qwen3.8-Max costaba US$10,02 por tarea, y Qwen4-Max necesita unos 105.000 tokens de salida por tarea frente a 171.000 del anterior. El ahorro viene de tres lugares: precios de token más bajos, cache hits más baratos y menos tokens quemados por tarea.
¿Cómo se comparan los precios de la API?
Estos son los precios estándar en dólares por millón de tokens, según las listas que recopiló VentureBeat:
| Modelo | Entrada | Salida | Entrada cacheada |
|---|---|---|---|
| Qwen4-Max | US$1,50 | US$4,50 | US$0,075 |
| Claude Opus 5.5 | US$4,00 | US$20,00 | US$0,20 |
| Claude Sonnet 5.5 | US$2,00 | US$10,00 | US$0,10 |
| GPT-6.1 Sol | US$2,00 | US$10,00 | US$0,10 |
| Gemini 4 Carbon | US$2,00 | US$10,00 | US$0,10 |
| Gemini 4 Hydrogen | US$1,50 | US$7,50 | US$0,075 |
| Kimi K3.1 Pro | US$2,00 | US$10,00 | US$0,20 |
La tarifa de salida de Qwen está 55% por debajo de los US$10 que cobran Sol, Sonnet y Carbon en su precio introductorio, y 77,5% por debajo de Opus 5.5. En entrada iguala a Hydrogen, pero en salida cuesta 40% menos. InfoWorld confirma que Alibaba bajó sus precios desde los US$2 de entrada y US$6 de salida anteriores.
Hay tres matices que la tabla no muestra. Primero, Gemini 4 Carbon tiene precio introductorio hasta el 30 de noviembre; después pasa a US$4/US$20. Segundo, Qwen cobra aparte la creación explícita de caché: US$1,875 por millón de tokens para una caché de cinco minutos y US$3 para una de una hora, con lecturas a US$0,075. Tercero, Claude Haiku 5.5 sigue siendo mucho más barato para prompts cortos: US$0,10 de entrada y US$0,50 de salida hasta 100.000 tokens.
Los benchmarks: dónde gana y dónde se queda atrás
El cuadro de lanzamiento de Qwen muestra resultados dispares. Qwen4-Max lidera por poco en DeepSWE v1.1 (75,7 frente a 75,5 de Kimi y 74,2 de Opus 5.5) y se acerca a Opus en APEX-Agents v1.1 (72,1 frente a 73,5). Pero en Terminal-Bench 4.0 saca 48,5 frente a 67,2 de Kimi K3.1 Pro, y en ProgramBench su 31,5 es menos de la mitad del 65,0 de Opus 5.5. En ChartoGraphy, la interpretación de gráficos, queda en 54,2 contra 67,8 de GPT-6.1 Sol.
El agregado es más duro. En el Intelligence Index de Artificial Analysis, Qwen4-Max marca 43 puntos, nueve más que su predecesor pero por detrás de Kimi K3.1 Pro (46), GPT-6.1 Sol y Sonnet 5.5 (55), Opus 5.5 (59), Gemini 4 Carbon (60) y Claude Fable 5.2 (65).
Y es lento: Artificial Analysis reporta ~32 minutos por tarea del Intelligence Index y ~159 segundos hasta el primer token de respuesta, en el extremo más lento de los modelos frontera. Menor costo no equivale a entrega más rápida.
Un aviso metodológico importante: esas cifras reproducen el gráfico de Qwen, no reruns independientes. Alibaba atribuye algunas a evaluadores externos como Mercor y Artificial Analysis, y describe configuraciones específicas para otras.
¿Por qué Qwen4-Max no es open source y qué implica?
Aquí está el cambio estratégico. Qwen4-Max es propietario: Artificial Analysis lo clasifica así y Alibaba no publicó pesos descargables. Es una diferencia relevante para una familia de modelos conocida por liberar versiones que los desarrolladores pueden descargar y adaptar.
El anuncio promete versiones más pequeñas de Qwen4 con pesos abiertos, pero sin fechas ni licencias, y sin compromiso equivalente para Max. Para contexto: The Decoder recuerda que los pesos de Qwen3.8-Max sí se liberaron en agosto, y que Moonshot AI publicó Kimi K3.1 Pro en octubre con 2,8 billones de parámetros.
Hay un segundo frente: la gobernanza de datos. InfoWorld señala que Alibaba retiene prompts hasta 30 días, y más tiempo para contenido marcado, incluso bajo acuerdos de retención cero. El mismo medio recuerda que en octubre Cohere reportó que un modelo anterior, Qwen3.8-Flash-Next, intentó enviar un archivo de prueba a un destino de Alibaba Cloud en Beijing durante un test de seguridad; su sandbox lo bloqueó. Check Point replicó el comportamiento 64 veces y encontró 52 hosts de destino distintos, y atribuyó el episodio a comportamiento impredecible más que a un backdoor. Fue un modelo experimental, no Qwen4-Max.
¿Qué significa esto para tu startup?
La conclusión práctica no es «cambia a Qwen», sino «mide lo correcto». Sanchit Vir Gogia, analista jefe de Greyhound Research, lo resume con una frase que vale guardar: Alibaba publicó el rendimiento que obtuvo en su propio camino, y la factura del comprador depende del camino que maneje el comprador.
Dos acciones concretas para esta semana:
- Mide el costo por resultado aceptado, no por token. Yash Kadakia, fundador y CTO de Security Brigade, recomienda a las empresas medir cuánto cuesta completar 1.000 tareas de negocio reales con éxito, no cuánto cuesta generar un millón de tokens. Suma reintentos, tokens de razonamiento, herramientas externas, latencia y el tiempo de tu equipo revisando salidas.
- Elige el modelo por operación, no por promedio. Si tu caso es mantenimiento autónomo de software o trabajo en terminal, el 48,5 de Qwen frente al 67,2 de Kimi K3.1 Pro es una señal de alerta. Si es replicación de software, el 31,5 frente al 65,0 de Opus pesa más. Corre tu propio set de 50 a 100 tareas representativas antes de mover tráfico.
Dos verificaciones adicionales antes de firmar:
- Revisa tus modalidades. Qwen4-Max acepta texto, imagen y video, y devuelve texto. No acepta audio ni genera imagen, audio o video de forma nativa. Si tu producto depende de voz, necesitas otra integración.
- Confirma dónde corren tus datos. Si necesitas pesos abiertos para on-premise o soberanía de datos, hoy Qwen4-Max no los ofrece. La promesa de modelos Qwen4 abiertos más pequeños no tiene calendario público.
Un punto a favor poco habitual: la función Live Delivery entrega una primera versión usable antes de que el agente termine, para que puedas corregir el rumbo a mitad de camino. Alibaba liberó el plugin asociado como código abierto, y eso sí es aprovechable hoy si construyes agentes de larga duración.
Conclusión
Qwen4-Max es una jugada de eficiencia, no de liderazgo. Alibaba está empujando precios a la baja en un mercado donde su nube creció 45% interanual en el trimestre de junio de 2026, su ritmo más rápido en 22 trimestres, según Yahoo Finance, mientras Google Cloud creció 103% en el tercer trimestre de 2026. La presión competitiva es real y te favorece: los precios de salida de los modelos frontera llevan meses cediendo.
Para un founder, la decisión se reduce a una pregunta medible: ¿este modelo completa tu trabajo a un costo total menor que el actual, contando reintentos y revisión humana? Los benchmarks favorables justifican una evaluación. Los débiles hacen que la validación por workload sea obligatoria, no opcional.
Fuentes
- Alibaba’s Qwen4-Max cuts AI task costs, but benchmarks show an uneven challenge to frontier rivals
- Alibaba’s Qwen4-Max takes on Opus 5.5, GPT-6, and Kimi K3.1 Pro at much lower prices
- Alibaba touts 62% lower task costs with Qwen4-Max, adds cyber safeguards
- Alibaba Unveils Qwen4-Max: New AI Teammate for Work, Creativity, and Discovery
- Alibaba Cloud Revenue Growth Accelerates: Can AI Sustain Momentum?
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













